Deine Conversion-Rate-Optimierung beginnt ganz am Anfang einer Kampagne – bei der Analyse der (Kund:innen-)Daten mittels Advanced Analytics. Denn sie zeigt, welche Zielgruppe du über welchen Kanal mit welchem Angebot erreichst und welches deine besten potenziellen Neukund:innen sind.
Um zum Beispiel aus interessierten Zielpersonen Kund:innen zu machen, also eine bessere Online Conversion Rate zu erhalten, kannst du selbstverständlich E-Mail-Betreffzeilen gegeneinander testen. Du kannst schauen, welche Variante einer Display-Werbung mehr Aufmerksamkeit erregt. Du kannst den Blickverlauf auf Web-Seiten messen und analysieren und offline Direct Mailings aufgrund der Reagierenden optimieren. Doch das bringt dir alles herzlich wenig, wenn die Kommunikation mit der falschen Person oder auf dem falschen Kanal erfolgt ist.
Die ersten Schritte deiner Erfolg versprechenden Conversion-Rate-Optimierung erfolgen deshalb viel früher:
Im Grundsatz sind obige Punkte jedem Marketing-Profi klar. Die Praxis zeigt jedoch, dass entgegen dieses Wissens oft und gerne am Ende statt am Anfang geschraubt wird. Deshalb lohnt es sich immer, den Fokus wieder einmal zurechtzurücken – frei nach dem Motto: «It’s more important to do the right thing than to do the things right.»
Die Single Customer View – die ganzheitliche Sicht auf die Kundin oder den Kunden – bildet das Herz des Data-driven Marketings – und damit die Basis für die Verbesserung der Off- und Online Conversion Rate. Um zur Single Customer View zu gelangen, gilt es, alle relevanten Informationen zu den Kund:innen zusammenzuführen.
Die dazu zur Verfügung stehenden Datenquellen definiert der Bundesverband Digitale Wirtschaft (Deutschland) so:
1st-Party-Daten
Bei 1st-Party-Daten handelt es sich um direkt von Werbetreibenden oder Publishern erhobene Daten aus allen Off- und Online-Touchpoints. Sie werden zum Beispiel über eine Messung des eigenen Online-Angebotes erfasst oder stammen aus dem eigenen CRM-System. Zu den 1st-Party-Daten gehören unter anderem: Alter, Geschlecht, Wohnort, angeschaute und/oder gekaufte Produkte oder Waren, Kaufabbruch usw.
2nd-Party-Daten
2nd-Party-Daten werden in der Regel direkt durch Werbetreibende oder Publisher erhoben und weiteren Partner:innen (z. B. anderen Werbetreibenden) oft über eine Data-Management-Plattform (DMP) bereitgestellt. Als Quelle kann jegliche Form von 1st-Party-Data aus dem Online- und Offline-Daten dienen.
3rd-Party-Daten
3rd-Party-Daten werden von Drittanbieter:innen aggregiert und Werbetreibenden zur Bewertung einzelner Werbekontakte bereitgestellt. Die Daten können nutzer- und/oder umfeldbezogene Informationen umfassen. Dazu gehören soziodemografische, geografische, psychografische oder verhaltensorientierte Merkmale, wie du sie zum Beispiel von uns erhältst.
Um eine wirkungsvolle Segmentierung deiner Kund:innen vorzunehmen, benötigst du eine leistungsfähige Analysesoftware, eine adäquate Aufbereitung der Daten, versierte Analytiker:innen und die richtige Fragestellung vor der Analyse, also welches Muster du aufdecken willst. Mögliche Fragen im Zusammenhang mit der Conversion-Rate-Optimierung sind:
Der letzte Punkt, die Psychografie, ist für die Verbesserung der Off- und Online Conversion Rate besonders wichtig. Im Gegensatz zur Soziodemografie, die quasi das Äussere und das Umfeld einer Person beschreibt, liefert die Psychografie Ihnen Anhaltspunkte, was die Person antreibt und was ihr wichtig ist.
Denn: Nicht alle 45-jährigen Frauen, die in einem Einfamilienhaus leben, eine höhere Fachschule besucht haben und über ein Einkommen zwischen 75'000 und 100'000 Franken verfügen, vertreten dieselben Werte und haben dieselbe Einstellung.
Kundentypologie GfK Roper Consumer Styles
Nach den GfK Roper Consumer Styles wirst du unter den beschriebenen Frauen folgende Typen finden:
Die Kombination von Soziodemografie und Psychografie zeigt also, WO und WIE du eine Zielgruppe erfolgreich ansprichst.
Advanced Analytics hilft dir nicht nur bei der Kundensegmentierung. Gleichzeitig zeigt dir die Analyse der bestehenden Kund:innen auch, welches die besten potenziellen Neukund:innen sind: die Statistical Twins (1:1-Übereinstimmung) oder die Lookalike Audiences (gleiche oder ähnliche Affinität).
Kennst du aus der Analyse die Kanalpräferenzen deiner Kund:innen, weisst du zugleich, auf welchen Kanälen das Gewinnen neuer Kund:innen am meisten Erfolg verspricht.
Kurz zusammengefasst, bildet Advanced Analytics die Basis für eine bessere Off- und Online Conversion Rate, weil sie zeigt, welche Zielgruppe über welchen Kanal mit welchem Angebot zu erreichen ist.
Gut gemacht, bringt Online-Retargeting – also das Markieren von Website-Besuchern, um sie mit Angeboten online weiter zu verfolgen – zusätzliche Conversion.
Noch wirkungsvoller ist das Offline-Retargeting.
Auch beim Offline-Retargeting wird zunächst der Online-Kanal genutzt, um Personen zu identifizieren, die Interesse an einem Angebot gezeigt haben, ohne abzuschliessen – zum Beispiel Warenkorbabbrecher:innen oder Klicker:innen auf Produktlinks.
Diese Interessent:innen kontaktierst du danach offline per Postkarte, Direct Mailing oder Telefon – sofern sie keinen Sterneintrag im Telefonbuch haben.
Da Offline-Retargeting mehr Aufmerksamkeit geniesst als Online-Retargeting, ist die Conversion Rate entsprechend höher. Und dank der Konzentration auf die Potenziale, die den höchsten Erfolg versprechen, zahlt sich der finanzielle Mehraufwand aus.
Von Daniel Hellstern, Head of Corporate and Marketing Communications